实体是记忆库在存储时自动识别的人、组织、地点、概念等命名元素。每条记忆中提到的实体不会被单独存储，而是作为知识图谱的节点，将分散在不同记忆中的相关信息连接起来。

例如，当多条记忆中都提到了"Alice"，系统会识别出这是同一个实体，并将所有提到 Alice 的事实、经验和观察关联在一起。这样，当检索"Alice 的项目情况"时，即使某些记忆本身没有直接提到 Alice，也能通过实体关系被发现。

实体的产生

自动识别

在Retain 存储阶段，系统会自动从写入内容中识别并提取实体，无需手动标注。常见的识别类型包括：

实体解析

同一个实体可能以不同名称出现在不同记忆中，系统会自动将它们归一化为同一个实体：

这样，检索"Alice 的贡献"时，所有提到 Alice、Alice Chen、Alice C. 的记忆都会被返回。

上下文消歧

当不同的人拥有相同名字时，系统会根据共现模式进行区分。例如，如果"Alice"多次与"Google"和"Stanford"同时出现，那么一条新的提到"Alice"和"Google"的记忆，大概率指的是同一位 Alice，而非另一位同名者。

手动指定实体

如果某些实体对业务很重要，但可能被模型遗漏或称呼不一致，可以在存储时通过 entities 参数显式指定：

1curl "$MEMORY_API_BASE_URL/memories/retain" \
2  -H "Authorization: Bearer $MEMORY_API_KEY" \
3  -H "Content-Type: application/json" \
4  -d '{
5    "bank_id": "'"$MEMORY_BANK_ID"'",
6    "items": [{
7      "content": "项目 Atlas 使用 Kubernetes 部署，负责人是 Bob Chen。",
8      "entities": [
9        {"text": "Atlas", "type": "PROJECT"},
10        {"text": "Bob Chen", "type": "PERSON"}
11      ],
12      "tags": ["project:atlas"]
13    }]
14  }'

手动指定的实体会与自动识别的实体合并，确保关键实体始终被正确识别和关联。

实体标签

实体标签是一种自定义的分类标签体系，在存储时由模型按定义的规范自动提取。提取出的标签值会作为实体存入知识图谱，因此不同记忆中相同标签的值会自动关联。

示例：定义技术栈和优先级标签

1{
2  "entity_labels": [
3    {
4      "key": "tech_stack",
5      "type": "multi-values",
6      "values": [
7        {"value": "react", "description": "React 前端框架"},
8        {"value": "python", "description": "Python 编程语言"},
9        {"value": "kubernetes", "description": "Kubernetes 容器编排"}
10      ]
11    },
12    {
13      "key": "priority",
14      "type": "value",
15      "tag": true,
16      "values": [
17        {"value": "high", "description": "紧急或阻塞"},
18        {"value": "low", "description": "非紧急"}
19      ]
20    }
21  ]
22}

存储时模型会自动分类——如果内容涉及 React，会提取 tech_stack:react；如果标记为紧急，会提取 priority:high。由于设置了 tag: true，priority:high 还会作为标签写入记忆，检索时可以通过 tags: ["priority:high"] 精确过滤。

实体标签适用于需要统一分类体系的场景，例如按技术栈、优先级、业务领域或客户类型对记忆进行结构化管理。

知识图谱

实体不是孤立存在的。系统在存储时自动构建知识图谱，通过四种连接将记忆关联起来：

因果连接示例： 当记忆中记录了"Alice 感到倦怠"，同时记录了"她连续两周每天工作 12 小时"，系统会建立因果连接。之后询问"Alice 为什么感到倦怠？"时，反思可以通过因果链找到原因。

图谱检索

在Recall 检索阶段，"知识图谱"是四路并行检索策略之一（语义、关键词、图谱、时间）。图谱检索从查询中识别实体作为起点，沿着实体关系向外探索，发现语义不远但结构相连的信息。

典型场景：

与语义检索的互补： 语义检索擅长找到"意思相近"的内容，但如果两段记忆措辞完全不同、只是因为涉及同一个实体而相关，语义检索可能漏掉——图谱检索恰好弥补这个缺口。

使用建议

• 保留原始内容：不要在存储前预总结或精简，否则实体关系、时间标记和因果上下文会丢失，图谱质量下降
• 用实体标签统一分类：定义业务相关的标签体系（如 tech_stack、priority、domain），让模型按规范分类，而非自由发挥
• 查询中保留专有名词：检索时在 query 中写入人名、项目名、产品名等，帮助图谱检索定位正确的实体起点
• 关键实体可手动指定：对业务重要但可能被模型遗漏的实体，存储时通过 entities 参数显式传入
• 关闭自由形式提取需谨慎：记忆库配置中"自由形式实体提取"默认开启，关闭后模型只会提取你定义的实体标签，可能遗漏人物、组织等重要实体